{"id":20950,"date":"2022-06-08T17:05:11","date_gmt":"2022-06-08T15:05:11","guid":{"rendered":"https:\/\/www.hiberus.com\/crecemos-contigo\/?p=20950"},"modified":"2023-11-28T09:23:52","modified_gmt":"2023-11-28T08:23:52","slug":"las-tendencias-actuales-y-prospectiva-futura-en-el-qa-software","status":"publish","type":"post","link":"https:\/\/www.hiberus.com\/crecemos-contigo\/las-tendencias-actuales-y-prospectiva-futura-en-el-qa-software\/","title":{"rendered":"Las tendencias actuales y prospectiva futura en el QA software"},"content":{"rendered":"

Los \u00faltimos informes en torno al QA software<\/a> incluyen conceptos habituales como la automatizaci\u00f3n, el Testing<\/strong><\/a>, Agile<\/a> y Devops<\/a>, pero tambi\u00e9n hacen referencia a conceptos menos extendidos, como el Right y el Left Shift, Low code, Self Healing, Industria inteligente, Data Analytics, Inteligencia artificial y Machine Learning.<\/p>\n

El QA comienza a verse como una actividad esencial<\/strong> y no como una actividad de apoyo por lo que es un buen momento para buscar empleo en QA<\/a>. La tendencia general arroja que el objetivo a medio y largo plazo<\/em> es hacer del QA un concepto hol\u00edstico y repartido entre todo el equipo, no centralizado \u00fanicamente en algunas personas .<\/p>\n

Las prioridades de inversi\u00f3n en QA software<\/h2>\n

Entre las prioridades de inversi\u00f3n de las empresas est\u00e1 la de dotar de herramientas y capacidades espec\u00edficas a los equipos<\/strong>, comenzar las pruebas en fases m\u00e1s tempranas y mejorar la comunicaci\u00f3n durante todo el ciclo de vida del producto.<\/p>\n

En el \u00e1mbito de los recursos humanos, una de las prioridades actuales es disponer de perfiles con los conocimientos y la experiencia adecuadas<\/strong>, mencionando la automatizaci\u00f3n entre las habilidades m\u00e1s demandadas. La capacidad de dise\u00f1ar tests, datos para test y generar estrategias de testing tambi\u00e9n aparecen como capacidades dif\u00edciles de encontrar entre los profesionales.<\/p>\n

La prospectiva de la automatizaci\u00f3n<\/h2>\n

En el mencionado campo de la automatizaci\u00f3n, las organizaciones saben que no est\u00e1n obteniendo todos los potenciales beneficios. Las l\u00edneas futuras se dibujan en torno a la automatizaci\u00f3n inteligente mediante low code<\/a> o no code<\/strong>, por la que no ser\u00eda tan necesario disponer de conocimientos en programaci\u00f3n. La tendencia es ir hacia la automatizaci\u00f3n de lo que realmente aporte valor, potenciando lo cualitativo antes que lo cuantitativo. Comienza a extenderse sobre todo al testing de aceptaci\u00f3n de usuario, generaci\u00f3n de sets de datos y, en menor medida, test de regresi\u00f3n.<\/p>\n

En el \u00e1rea de gesti\u00f3n de proyecto y los procesos<\/em>, cada vez est\u00e1n m\u00e1s implantadas las metodolog\u00edas DevOps y Agile aunque sigue habiendo m\u00e1s foco en el Continuos Deployment que en el Continuous Integration. Se mencionan los conceptos Left y Right Shift<\/strong>, referidos al momento en el que se aplican las pruebas y a su extensi\u00f3n hacia un sentido u otro en el ciclo de vida del proyecto.<\/p>\n

El enfoque de ‘shift left’<\/strong> asegura que las pruebas se realicen desde una etapa temprana del desarrollo del software, como propone uno de los principios del testing de ISTQB.<\/a>\u00a0El \u2018shift right\u2019<\/strong> garantiza que las pruebas contin\u00faen una vez que el desarrollo ha sido entregado, ya que el producto est\u00e1 vivo y sigue evolucionando.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

QA Data Analytics, Inteligencia artificial y Machine learning<\/strong><\/h2>\n

Comienzan a aparecer universos de conocimientos hibridados, por lo que existe cierto inter\u00e9s en aplicar al QA Data Analytics, Inteligencia artificial y Machine learning<\/strong>, sobre todo en pruebas de Rendimiento, Mobile y Funcionales. Se menciona incluso el concepto de Self-Healing o autocuraci\u00f3n de c\u00f3digo mediante la inteligencia artificial.<\/p>\n

En cuanto a la granularidad y especializaci\u00f3n del testing, cada vez se segregan en mayor medida a las pruebas de Funcionalidad, Fiabilidad, Usabilidad, Eficiencia, Mantenibilidad, Rendimiento y Portabilidad. Tambi\u00e9n comienza a ponerse mayor foco en el \u00e1mbito de la Seguridad por la reciente transici\u00f3n al trabajo en remoto.<\/p>\n

Quality Monitoring vs Testing<\/h3>\n

Comienzan a verse mayores niveles de madurez y un cambio de mentalidad respecto al QA, por la que se prioriza la prevenci\u00f3n de errores<\/strong> (Quality Monitoring) antes que la detecci\u00f3n (Testing). Para ello se implementan gradualmente cuadros de mando y smart dashboards<\/strong> con indicadores para la gesti\u00f3n integral del QA. Entre los m\u00e1s habituales: cobertura de requisitos por test, velocidad de ejecuci\u00f3n de test, densidad de defectos o volcado de defectos en producci\u00f3n.<\/p>\n

El hecho de que se mida m\u00e1s significa que el testing en entornos agiles est\u00e1 madurando<\/strong> y que est\u00e1 calando en la cultura empresarial a niveles de estrategia m\u00e1s all\u00e1 de los niveles operacionales de equipo. Adem\u00e1s, se comienza a poner en valor la creaci\u00f3n de entornos en la nube, entornos espec\u00edficos de test y diversas buenas pr\u00e1cticas en la generaci\u00f3n de colecciones de datos para test. La creaci\u00f3n de datos sint\u00e9ticos cada vez se sustituye m\u00e1s por el uso de datos reales de producci\u00f3n.<\/p>\n

\u00c1reas de potencial crecimiento QA software<\/h2>\n

Como posibles \u00e1reas de potencial crecimiento, se menciona la \u2018Intelligent Industry<\/strong>\u2019, en la que se hacen necesarias las validaciones basadas en simulaciones y escenarios. \u2018La industria inteligente<\/strong>\u2019 permite a las empresas convertir datos en informaci\u00f3n y realizar una transformaci\u00f3n digital basada en \u2018IOT, \u20185G\u2019 \u2018Automatizaci\u00f3n\u2019 e \u2018Inteligencia artificial\u2019.<\/p>\n

Si ponemos el foco en la situaci\u00f3n actual, vemos diferentes tendencias y perspectivas futuras de cada sector. Los m\u00e1s maduros respecto al QA son los de banca, hight tech, telecomunicaciones y entretenimiento. Entre los de mayor potencial de crecimiento<\/strong> se encuentran los del autom\u00f3vil y el retail. Los que se han visto acelerados de forma exponencial debido a la reciente situaci\u00f3n sanitaria han sido sobre todo ecommerce y sector sanitario. Los que est\u00e1n transformando su posici\u00f3n respecto al QA son sector p\u00fablico, industria y energ\u00eda qu\u00edmica.<\/p>\n

Estudios de mercado para QA<\/h2>\n

Este art\u00edculo se basa fundamentalmente en la metodolog\u00eda ISTQB y en los resultados del World Quality Report de Sogeti, Capgemini y Micro Focus<\/a>. Este estudio de mercado se realiza anualmente desde el a\u00f1o 2009 para evaluar el estado del QA en las organizaciones a nivel global. Para la \u00faltima edici\u00f3n se evalu\u00f3 a 1750 ejecutivos senior IT de 32 pa\u00edses, durante abril de 2021. Los sponsors Sogeti, Capgemini y Micro Focus contaron con Coleman Parkes Research para su investigaci\u00f3n. Se utiliz\u00f3 un cuestionario de 37 preguntas y una entrevista individual con cada perfil para recoger una bater\u00eda de datos cualitativos. Se incluyeron grandes corporaciones y start ups de diversos sectores, para incluir la visi\u00f3n m\u00e1s amplia posible.<\/p>\n

\n

Hoy en d\u00eda el ritmo de avance tecnol\u00f3gico no tiene precedentes y utilizar\u00a0tecnolog\u00edas diferenciales<\/a>\u00a0puede ser un valor diferencial a cualquier negocio. En Hiberus\u00a0analizamos, aplicamos y eficientamos las mejores tecnolog\u00edas\u00a0<\/strong>para evolucionar cada sector. Si quieres contar con un equipo experto QA<\/a> en tu proyecto, contacta con nosotros. Estaremos encantados de asesorarte.<\/p>\n

 <\/p>\n